در این نوشته با توجه به مزیت های سیستم های الهام گرفته شده از طبیعت و با مشاهده والهام گیری از نحوه کنترل رفتار در موجودات طبیعی یک معماری کنترلی جدید به نام evolvable decentralize control معرفی گردیده است. معماری edc از دو بخش عمده تشکیل شده است. در یک بخش لایه های تک رفتار ها وجود دارند که بیانگر قابلیت ها و ظرفیت های ذاتی موجود میباشند و بخش دیگر شامل لایه تلفیق کننده میباشد که با توجه به نحوه آموزش موجود در محیط شکل گرفته و در طول زندگی موجود تشکیل میشود. برای پیاده سازی ساختار داخلی کلیه لایه ها از شبکه عصبی استفاده شده است. این معماری با توجه به ساختمان اصلی و ساختار داخلی آن دارای ویژگی هایی همچون غیر متمرکز بودن، تحمل پذیری خطای بالا، قابلیت به کار گیری در پیاده سازی موجودات اجتماعی، پیچیدگی بسیار کم، مقیاس پذیری و توسعه پذیری، آموزش پذیری و تطبیق پذیری می باشد. این معماری در قیاس با معماری های مشابه در ویژگی های اشاره شده عمکردی بهتر ونتایج مطلوب تری را با خود به همراه خواهد داشت. به منظور پیاده سازی معماری پیشنهادی، یک شبیه ساز نقطه ای در محیط matlab به نام matlab robot dot simulator توسعه داده شده است که از ویژگی های این شبیه ساز سادگی استفاده و سهولت در ایجاد تغییرات و یا ایجاد محیط های دلخواه در آن می باشد. در بستر این شبیه ساز، معماری پیشنهادی بر روی نمونه های مختلفی از ربات های حیوان نما با قابلیت ها و رفتارهای مختلف و متناظر با حیوانات مشابه تست و شبیه سازی شده است. نتایج شبیه سازی ربات های حیوان نما، دو قابلیت مهم مقیاس پذیری و تحمل پذیری خطای معماری توسعه داده شده را به اثبات می رساند.